過去十年是人工智能行業(yè)的關鍵十年，2020年，盡管新冠病毒的大流行帶來了混亂，但人工智能在世界上的影響力大幅增加：技術人員在大規(guī)模語言和生成模型方面取得了重大進展；美國人工智能研究招聘人數(shù)首次下降，表明在全世界范圍內，人工智能正在走向成熟，人工智能行業(yè)的招聘人數(shù)不斷增加；政府使用人工智能的資金比以往任何時候都要多，而高校為學生提供的人工智能課程比幾年前翻了一番。

這些僅僅是2021年人工智能指數(shù)的一些發(fā)現(xiàn)，這是一項人工智能影響和進展的年度研究，由斯坦福人工智能研究所（HAI）的一個跨學科團隊與來自工業(yè)界、學術界和政府的組織合作開發(fā)。

人工智能指數(shù)聯(lián)合主席杰克?克拉克（jackclark）表示：“人工智能在過去一年的影響是社會和經(jīng)濟兩方面的，其推動因素是技術本身的日新月異。有了人工智能指數(shù)，我們可以實際衡量和評估這些變化，使領導者和決策者能夠采取有意義的行動，以負責任和道德的方式推進人工智能的發(fā)展?！?/p>

2021年人工智能指數(shù)是迄今為止最全面的人工智能報告之一，它分析和提煉了人工智能對國民經(jīng)濟、就業(yè)增長、人工智能研究本身技術進步等方面的影響模式，并分析了人工智能系統(tǒng)創(chuàng)造者的多樣性（或缺乏多樣性）。

2021年人工智能指數(shù)顯示，2020年：

盡管新冠病毒危機在其他方面對經(jīng)濟產生了負面影響，但對人工智能的私人投資仍大幅增加。

中國在重要的學術研究方面超過了美國。中國的附屬學者在同行評議期刊上被引用的次數(shù)超過其他任何國家的學者，表明中國的人工智能研究在質量和數(shù)量上都有所提高。然而，在過去十年中，美國引用人工智能會議論文的次數(shù)一直（而且顯著）多于中國。

合成媒體（通俗地說是deepfakes）正在興起，在合成文本、圖像和視頻的生成方面取得了突破，展示了人工智能的進步，但也突出了不道德或危險使用的可能性。

人工智能應用的倫理挑戰(zhàn)已成為人工智能社區(qū)更大的關注焦點，2015年至2020年間，提及倫理和相關關鍵詞的論文大幅增加。

2019年人工智能的多樣性較低，留美人工智能博士畢業(yè)生中，白人占45%，非裔美國人占2.5%，西班牙裔占3.2%。人工智能研究人員正在組建更多的親和力小組，試圖提高該領域的多樣性，這些小組的成員數(shù)量和影響力都在顯著增長：2019年，人工智能成員中的黑人人數(shù)是NeurIPS接受論文數(shù)量的兩倍，而2017年是，參加機器學習婦女組織舉辦的研討會的人數(shù)從2014年的不到200人增加到2020年的900多人。

自2017年加拿大公布國家人工智能戰(zhàn)略以來，其他國家也紛紛效仿，到2020年，已有30多個國家承諾實施國家人工智能戰(zhàn)略。

越來越多的人工智能博士在私營行業(yè)而不是學術界工作，教授們陸續(xù)離開高等教育，去公司工作。

企業(yè)已經(jīng)開始主導人工智能研究人員使用的工具，企業(yè)支持的軟件庫（Google的TensorFlow和Keras，F(xiàn)acebook的PyTorch）成為GitHub上最流行的框架。

政府對人工智能的興趣仍然很大，美國政府在人工智能的民用和非民用方面花費了數(shù)十億美元。AI在本次大會上被提及的次數(shù)是上一次的三倍。

在講述2020年發(fā)生的事情的同時，該指數(shù)還強調了研究人員對人工智能開發(fā)和部署尚不了解的內容。在匯編這份報告時，作者發(fā)現(xiàn)了一些數(shù)據(jù)源缺乏或還不全面的領域。例如：大多數(shù)政府支出數(shù)據(jù)結構不一致，經(jīng)常不可信；人工智能道德作為一個領域取得了各種質的進步，但隨著時間的推移，對這些進步進行量化或建模是很有挑戰(zhàn)性的；與人工智能多樣性有關的數(shù)據(jù)，特別是有關大學和公司人員構成的數(shù)據(jù)相對較少稀少。

克拉克說：“從數(shù)據(jù)中可以明顯看出，在2020年，人工智能開始對世界產生更重大的影響，而這項技術繼續(xù)快速發(fā)展?！弊珜戇@份報告也為我們強調了政府需要在收集人工智能數(shù)據(jù)方面投入更多資金，研究人員需要為當代人工智能系統(tǒng)開發(fā)新的、更難的測試。我們的文獻計量分析顯示，從多個維度分析，美國和中國在人工智能發(fā)展方面已成為同行國家。”

人工智能指數(shù)指導委員會成員芭芭拉·格羅斯補充說：“令人鼓舞的是，在今年的人工智能指數(shù)報告中，人們更加致力于研究該領域的多樣性問題。然而，報告表明，學術機構、科學協(xié)會和工業(yè)界缺乏關于學生、科學家和人工智能專業(yè)人員的人工智能研究和工業(yè)社區(qū)多樣性的數(shù)據(jù)。如果要產生適用于全社會的系統(tǒng)，就必須使該領域多樣化，而成功需要研究界和工業(yè)界收集和分析跟蹤進展的數(shù)據(jù)。
編輯：lyn